CN109878499B - 混合动力车辆功率控制方法 - Google Patents

Abstract

本发明公开了混合动力车辆功率控制方法，包括如下步骤：步骤一、获取车辆行驶速度、车辆质量和车轮滑转率，并且根据所述车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值；步骤二、获取路面坡度、环境温度及环境湿度，并且根据所述路面坡度、环境温度及环境湿度得到驾驶环境影响指数；步骤三、获取车辆负载所需功率、电池的SOC、发动机的效率、电池的效率、所述电池SOC下限值及所述驾驶环境影响指数，并且根据所述车辆负载所需功率、所述电池的SOC、所述发动机的效率、所述电池的效率、所述电池SOC下限值及所述驾驶环境影响指数控制发动机及电池的输出功率。

Description

混合动力车辆功率控制方法

技术领域

本发明属于混合动力车辆技术领域，特别涉及混合动力车辆功率控制方法。

背景技术

混合动力汽车是指车辆驱动系统由两个或多个能同时运转的单个驱动系统联合组成的车辆，车辆的行驶功率依据实际的车辆行驶状态由单个驱动系统单独或共同提供。通常所说的混合动力汽车，一般是指油电混合动力汽车，即采用传统的内燃机(柴油机或汽油机)和电动机作为动力源，也有的发动机经过改造使用其他替代燃料，例如压缩天然气、丙烷和乙醇燃料等。

随着世界各国环境保护的措施越来越严格，混合动力车辆由于其节能、低排放等特点成为汽车研究与开发的一个重点，并已经开始商业化。混合动力汽车使用的电动力系统中包括高效强化的电动机、发电机和储能电池。储能电池使用的有铅酸电池、镍锰氢电池和锂电池，将来应该还能使用氢燃料电池。在现有技术中，在对发动机和储能电池的输出功率分配时，一般只考虑车辆能量消耗，设置固定储能电池的SOC下限值，没有考虑到车辆自身状况、路面及环境状况。这样往往会对电池造成损伤，影响储能电池的使用寿命。

发明内容

本发明提供了混合动力车辆功率控制方法，根据车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值，根据路面坡度、环境温度及环境湿度得到驾驶环境影响指数；并且将电池SOC下限值、驾驶环境影响指数与车辆负载需求功率相结合控制发动机及电池的输出功率；其目的是在控制车辆能量消耗的前提下，减小对电池的损伤，提高电池的使用寿命。

本发明提供了混合动力车辆功率控制方法，采用BP神经网络对发动机及电池的输出功率进行控制，其目是在电池SOC下限值、驾驶环境影响指数的约束下，使车辆的能量消耗最小。

本发明提供的技术方案为：

混合动力车辆功率控制方法，包括如下步骤：

步骤一、获取车辆行驶速度、车辆质量和车轮滑转率，并且根据所述车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值；

步骤二、获取路面坡度、环境温度及环境湿度，并且根据所述路面坡度、环境温度及环境湿度得到驾驶环境影响指数；

步骤三、获取车辆负载所需功率、电池的SOC、发动机的效率、电池的效率、所述电池SOC下限值及所述驾驶环境影响指数，并且根据所述车辆负载所需功率、所述电池的SOC、所述发动机的效率、所述电池的效率、所述电池SOC下限值及所述驾驶环境影响指数控制发动机及电池的输出功率。

优选的是，所述电池SOC的下限值为：

式中，SOC₀为电池SOC下限的基准值，v为车辆行驶速度，v₀为基准车辆行驶速度，m为车辆质量，m₀为基准车辆质量，Sr为车轮滑转率，e为自然对数的底数。

优选的是，SOC下限的基准值设定为20％～30％。

优选的是，所述车轮滑转率为：

式中，v为车辆的行驶速度，ut为车辆的理论速度，ut＝rw，r为驱动轮的车辆半径，w为驱动轮的角速度。

优选的是，所述驾驶环境影响指数为：

式中，i为路面坡度，RH为环境湿度，RH₀为标准环境湿度，T为环境温度，T₀为标准环境温度，为自然对数的底数。

优选的是，所述车辆负载所需功率包括驱动负载功率和非驱动负载功率。

优选的是，在所述步骤三中，通过BP神经网络控制发动机及电池的输出功率，包括如下步骤：

步骤1、按照采样周期，获取车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I；

步骤2、依次将获取的参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}；其中，x₁为车辆负载所需功率系数、x₂为电池的SOC系数、x₃为发动机的效率系数、x₄为电池的效率系数、x₅为电池SOC下限值系数、以及x₆为驾驶环境影响指数系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为发动机输出功率系数、o₂为电池输出功率系数；

步骤5、控制发动机输出功率，以及电池输出功率，使

其中，

和

分别为第i个采样周期输出层向量参数，P_{1_max}为发动机的最大输出功率、P_{2_max}为电池的最大输出功率，P_{1_(i+1)}和P_{2_(i+1)}分别为第i+1个采样周期发动机的输出功率和电池的输出功率。

优选的是，在所述步骤2中，将车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I进行规格化的公式为：

其中，x_j为输入层向量中的参数，X_j分别代表参数P、SOC、η₁、η₂，SOC_L和I；X_jmax和X_jmin分别为相应参数中的最大值和最小值。

优选的是，所述中间层节点个数m为4个。

优选的是，在所述步骤3中，初始运行状态下，发动机的输出功率和电池的输出功率满足：

其中，P_{1_0}、P_{2_0}分别为发动机的初始输出功率和电池的初始输出功率；P为车辆负载所需功率，η₁为发动机的效率，η₂为电池的效率。

本发明的有益效果是：

本发明提供的混合动力车辆功率控制方法，根据车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值，根据路面坡度、环境温度及环境湿度得到驾驶环境影响指数；并且将电池SOC下限值、驾驶环境影响指数与车辆负载需求功率相结合控制发动机及电池的输出功率；能够在控制车辆能量消耗的前提下，减小对电池的损伤，提高电池的使用寿命。

本发明采用BP神经网络对发动机及电池的输出功率进行控制，能够在电池SOC下限值、驾驶环境影响指数的约束下，使车辆的能量消耗最小。

具体实施方式

下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明所述的混合动力车辆的动力系统由发动机(内燃机)和储能电池(电池)组成。在本发明中控制系统连接控制功率变换器，can总线、检测模块及储存模块与控制系统连接。检测模块包括：角速度传感器，其设置在汽车驱动轮轮毂上，用于检测驱动轮角速度；重量传感器，其安装在车辆底盘上，用于检测车辆质量。温度传感器和湿度传感器安装在车身外部，用于检测环境温度和湿度。基准车辆行驶速度，基准车辆质量、标准环境湿度，标准环境温度、驱动轮的半径、发动机的效率、电池的效率分别预先储存在储存模块中，其余测量参数通过can总线获取。

本发明提供了混合动力车辆功率控制方法，包括如下步骤：

步骤一、获取车辆行驶速度、车辆质量和车轮滑转率，并且根据所述车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值；

所述电池SOC的下限值为：

式中，SOC₀为电池SOC下限的基准值(％)，v为车辆行驶速度，单位Km/h；v₀为基准车辆行驶速度，单位Km/h；m为车辆质量，单位Kg；m₀为基准车辆质量，单位Kg；Sr为车轮滑转率，e为自然对数的底数。

在本实施例中，v₀＝60Km/h，m₀＝1500Kg。

作为优选，SOC下限的基准值设定为20％～30％。

其中，所述车轮滑转率为：

式中，ua为车辆的行驶速度，单位m/s，即ua＝v/3.6；ut为车辆的理论速度，单位m/s；ut＝rw，r为驱动轮的车辆半径，w为驱动轮的角速度。

步骤二、获取路面坡度、环境温度及环境湿度，并且根据所述路面坡度、环境温度及环境湿度得到驾驶环境影响指数；

所述驾驶环境影响指数为：

式中，i为路面坡度，RH为环境湿度，RH₀为标准环境湿度，T为环境温度，单位℃，T₀为标准环境温度，单位℃；e为自然对数的底数。

在本实施例中，RH₀＝50，T₀＝20℃。

步骤三、获取车辆负载所需功率、电池的SOC、发动机的效率、电池的效率、所述电池SOC下限值及所述驾驶环境影响指数，并且根据所述车辆负载所需功率、所述电池的SOC、所述发动机的效率、所述电池的效率、所述电池SOC下限值及所述驾驶环境影响指数控制发动机及电池的输出功率。

其中，所述车辆负载所需功率包括驱动负载功率和非驱动负载功率。

在另一实施例中，在所述步骤三中，通过BP神经网络控制发动机及电池的输出功率，包括如下步骤：

步骤1、建立神经网络。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个信号，这些信号参数由控制系统中的数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：o＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝6，输出层节点数为P＝2。隐藏层节点数m由下式估算得出：

按照采样周期，获取车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I，作为输入参数；由于输入的参数属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}；其中，x₁为车辆负载所需功率系数、x₂为电池的SOC系数、x₃为发动机的效率系数、x₄为电池的效率系数、x₅为电池SOC下限值系数、以及x₆为驾驶环境影响指数系数；

具体而言，对于车辆负载所需功率P，进行规格化后，得到车辆负载所需功率系数x₁，

其中，P_min和P_max分别为车辆负载所需的最小功率和最大功率。

对于电池的SOC，进行规格化后，得到电池的SOC系数x₂；

其中，SOC_min和SOC_max分别为电池充放电时能达到的SOC最小值和最大值。

对于发动机的效率η₁，进行规格化后，得到发动机的效率系数x₃；

其中，η₁__min和η₁__max分别为发动机的效率的最小值和最大值。

对于电池的效率η₂，进行规格化后，得到电池的效率系数x₄；

其中，η₂__min和η₂__max分别为电池的效率的最小值和最大值。

得到输出层向量o＝{o₁,o₂}；o₁发动机输出功率系数、o₂为电池输出功率系数。

o₁表示下一个采样周期中发动机输出功率与当前采样周期中发动机输出功率最大值之比。即在第i个采样周期中，采集到发动机输出功率P_{1_i}，通过BP神经网络输出第i个采样周期的发动机输出功率调节系数

后，控制第i+1个采样周期中发动机输出功率为P_{1_(i+1)}，使其满足：

o₂表示下一个采样周期中电池输出功率与当前采样周期中电池输出功率最大值之比。即在第i个采样周期中，采集到电池输出功率P_{2_i}，通过BP神经网络输出第i个采样周期的电池输出功率调节系数

后，控制第i+1个采样周期中电池输出功率为P_{2_(i+1)}，使其满足：

步骤2、进行BP神经网络的训练。

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值w_ij，隐层节点j和输出层节点k之间的连接权值w_jk，隐层节点j的阈值θ_j，输出层节点k的阈值w_ij、w_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正w_ij和w_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

表1训练过程各节点值

步骤3、采集数据运行参数输入神经网络得到调控系数。

训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。智能硬件加电启动后，控制发动机的初始输出功率

控制电池的初始输出功率

同时，获取车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I，通过将上述参数规格化，得到BP神经网络的初始输入向量

通过BP神经网络的运算得到初始输出向量

步骤4、得到初始输出向量

后，即可调节发动机的输出功率和电池的输出功率。使下一个采样周期的发动机的输出功率和电池的输出功率分别为：

通过传感器获取第i个采样周期中的获取车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I，通过进行规格化得到第i个采样周期的输入向量

通过BP神经网络的运算得到第i个采样周期的输出向量

然后发动机输出功率和电池输出功率，使第i+1个采样周期时发动机输出功率和电池输出功率分别为：

通过上述设置，在汽车行驶过程中对发动机的输出功率和电池的输出功率进行调节，在尽量保证低能耗的同时，对电池起到保护作用，防止电池SOC瞬间降到很低，对电池造成损伤。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (9)

1.混合动力车辆功率控制方法，其特征在于，包括如下步骤：

步骤一、获取车辆行驶速度、车辆质量和车轮滑转率，并且根据所述车辆行驶速度、车辆质量和车轮滑转率得到电池SOC下限值；

步骤二、获取路面坡度、环境温度及环境湿度，并且根据所述路面坡度、环境温度及环境湿度得到驾驶环境影响指数；

步骤三、获取车辆负载所需功率、电池的SOC、发动机的效率、电池的效率、所述电池SOC下限值及所述驾驶环境影响指数，并且根据所述车辆负载所需功率、所述电池的SOC、所述发动机的效率、所述电池的效率、所述电池SOC下限值及所述驾驶环境影响指数控制发动机及电池的输出功率；

所述电池SOC的下限值为：

式中，SOC₀为电池SOC下限的基准值，v为车辆行驶速度，v₀为基准车辆行驶速度，m为车辆质量，m₀为基准车辆质量，Sr为车轮滑转率，e为自然对数的底数。

2.根据权利要求1所述的混合动力车辆功率控制方法，其特征在于，SOC下限的基准值设定为20％～30％。

3.根据权利要求2所述的混合动力车辆功率控制方法，其特征在于，所述车轮滑转率为：

式中，ua为车辆的行驶速度，ut为车辆的理论速度，ut＝rw，r为车辆驱动轮的半径，w为驱动轮的角速度。

4.根据权利要求3所述的混合动力车辆功率控制方法，其特征在于，所述驾驶环境影响指数为：

式中，i为路面坡度，RH为环境湿度，RH₀为标准环境湿度，T为环境温度，T₀为标准环境温度，e为自然对数的底数。

5.根据权利要求4所述的混合动力车辆功率控制方法，其特征在于，所述车辆负载所需功率包括驱动负载功率和非驱动负载功率。

6.根据权利要求1-5任意一项所述的混合动力车辆功率控制方法，其特征在于，在所述步骤三中，通过BP神经网络控制发动机及电池的输出功率，包括如下步骤：

步骤1、按照采样周期，获取车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I；

步骤2、依次将获取的参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}；其中，x₁为车辆负载所需功率系数、x₂为电池的SOC系数、x₃为发动机的效率系数、x₄为电池的效率系数、x₅为电池SOC下限值系数、以及x₆为驾驶环境影响指数系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为发动机输出功率系数、o₂为电池输出功率系数；

步骤5、控制发动机输出功率，以及电池输出功率，使

其中，

和

分别为第i个采样周期输出层向量参数，P_{1_max}为发动机的最大输出功率、P_{2_max}为电池的最大输出功率，P_{1_(i+1)}和P_{2_(i+1)}分别为第i+1个采样周期发动机的输出功率和电池的输出功率。

7.根据权利要求6所述的混合动力车辆功率控制方法，其特征在于，在所述步骤2中，将车辆负载所需功率P、电池的SOC、发动机的效率η₁、电池的效率η₂、电池SOC下限值SOC_L及驾驶环境影响指数I进行规格化的公式为：

其中，x_j为输入层向量中的参数，X_j分别代表参数P、SOC、η₁、η₂，SOC_L和I；X_jmax和X_jmin分别为相应参数中的最大值和最小值。

8.根据权利要求7所述的混合动力车辆功率控制方法，其特征在于，所述中间层节点个数m为4个。

9.根据权利要求8所述的混合动力车辆功率控制方法，其特征在于，在所述步骤3中，初始运行状态下，发动机的输出功率和电池的输出功率满足：

其中，P_{1_0}、P_{2_0}分别为发动机的初始输出功率和电池的初始输出功率；P为车辆负载所需功率，η₁为发动机的效率，η₂为电池的效率。